KSCOLD LogoKSCOLD
Blog
Feed
Product
Admin Night
Vault
Guestbook
Info

Vault 목록

LLM 호출 원장과 예산

연결된 노트와 함께 읽기

LLM 호출 원장과 예산

2026년 8월 28일

LLM 호출 원장과 예산

  • 원장(ledger): 이번 턴에 LLM을 몇 번 불렀는지 실측한다.
  • 예산(budget): 그 수가 상한을 넘으면 막는다.
  • 둘은 다른 일이다. 원장은 사실을 세고, 예산은 정책을 정한다.

왜 "자기 신고"가 안 되나

지금까지 호출 수는 각 handler가 "자기 신고"했다. 신고가 실제와 어긋나면 (실측: classify 예산 위반 3>2가 신고 오류인지 실제 초과인지 판별 불가) 시스템은 진실을 모른 채 계약 검사를 한다.

핸들러가 count += 1을 직접 쓰면, 빼먹거나 재시도 경로를 놓친다. 그래서 호출이 실제로 일어나는 자리 — provider runnable의 invoke — 에서 센다. 신고는 참고값이 되고 실측이 정본이 된다.

ContextVar에 가변 객체를 담는다

Python

핵심은 가변 객체라는 점이다.

contextvar가 가변 Counter 객체를 든다. asyncio 하위 task는 context를 복사하지만 같은 객체를 참조하므로, provider 호출이 어느 task에서 일어나든 증가가 원장에 보인다.

MERMAID

int를 담았으면 하위 task의 증가가 상위에 안 보인다. 컨텍스트는 복사되지만 객체 참조는 공유되기 때문에 가변 dataclass여야 한다 (ContextVar, asyncio.gather와 병렬 실행).

이미 활성이면 새로 만들지 않는다. 그래서 workflow node 안에서 돌린 specialist graph의 호출도 상위 노드 실측에 합산된다.

원장이 하지 않는 것

예산 정책을 정하지 않는다. 실패한 provider 호출도 요청이 나갔으면 센다 — 비용은 성공 여부와 무관하게 발생한 사실이기 때문이다.

세는 것과 판단하는 것을 섞지 않는다. 이 분리가 없으면 "실패는 안 센다" 같은 정책이 계측 안에 숨어 버린다 (Observability).

래퍼는 파생까지 전파돼야 한다

Python

가장 흔한 버그가 여기 있다. with_structured_output이나 bind_tools는 새 Runnable을 반환한다. 그대로 두면 알맹이만 나와서 계측과 예산이 끊긴다. 반환값을 같은 래퍼로 다시 감싸야 한다 (with_structured_output, Tool Observability Wrapping).

__getattr__ 위임도 짝이다. 래퍼가 모르는 속성(모델명, provider 메타데이터)은 안쪽으로 넘겨야 LLM Provider 추상화가 유지된다. _inner만 예외 처리하지 않으면 무한 재귀에 빠진다 (getattr Lazy Import와 같은 함정).

예산 초과

Python

호출 전에 자리를 예약한다. 넘으면 WorkflowBudgetExceeded를 던져 무한 루프를 끊는다 (Loop Control, GraphRecursionError와 같은 계열의 안전장치).

한 줄 정리

원장은 provider 경계에서 실측하고, 예산은 그 위에서 정책을 건다. 래퍼는 파생 Runnable까지 따라가야 진실이 유지된다.

관련

  • ContextVar
  • with_structured_output
  • Tool Observability Wrapping
  • Observability
  • Cost와 Token
  • LLM Provider 추상화
  • asyncio.gather와 병렬 실행
  • Loop Control
  • Mixin

Synapse Map Insight

@dataclass class CallLedger: """turn 하나의 실측 호출 수. 가변이어야 하위 task와 공유된다.""" llm_calls: int = 0 rag_calls: int = 0 _LEDGER: ContextVar[CallLedger | None] = ContextVar("ai_agent_call_ledger", default=None)
class BudgetedRunnable(Runnable): def __init__(self, inner: Runnable): self._inner = inner def __getattr__(self, name: str) -> Any: """provider/model 메타데이터 등 비호출 capability는 원본에 위임한다.""" if name == "_inner": raise AttributeError(name) return getattr(self._inner, name) def bind_tools(self, tools, **kwargs) -> "BudgetedRunnable": """동적 tool binding 뒤에도 같은 예산 경계를 유지한다.""" return BudgetedRunnable(self._inner.bind_tools(tools, **kwargs)) def with_structured_output(self, schema, **kwargs) -> "BudgetedRunnable": """classifier 등 후행 structured-output 파생 모델도 예산 안에 둔다.""" return BudgetedRunnable(self._inner.with_structured_output(schema, **kwargs))
from ai_agent.workflow.runtime.budget.reservation import reserve_llm_call